Być może opisana wyżej sytuacja jest nieco przerysowana. Dla fizyka jest jasne, że przyszłość jest niepewna. I nie wynika to z braku technologii albo wiedzy na temat procesów zachodzących w naszym świecie. Ta niepewność jest jednak obwarowana kilkoma zastrzeżeniami. Bo przecież gdy wypuszczamy z rąk filiżankę, wiemy, że potłucze się na podłodze. A gdy wkładamy palec w ogień, wiemy, że poparzymy sobie skórę. To jak to jest z tą przyszłością? Chcąc być ścisłym, trzeba przyznać, że nawet tak oczywiste sytuacje, jak te opisane, nie powinny być traktowane jako stuprocentowo pewne. W praktyce jednak prawdopodobieństwo ich zaistnienia jest tak ogromne, że mówimy o pewności. Sytuacja nie zawsze jest jednak tak oczywista. Na przykład próba przewidzenia, w którym miejscu miasta i kiedy dojdzie do wypadku albo rabunku, wydaje się beznadziejna. Tak, przyszłości nie da się przewidzieć z całą pewnością, jednak nie jest to powód, dla którego nie można próbować.

Zmień drogę!

Od czego może zależeć to, że na konkretnym skrzyżowaniu dojdzie do wypadku? Z całą pewnością od natężenia ruchu. Ale kiedy będzie bezpieczniej – gdy jest ono duże (i samochody poruszają się powoli) czy gdy samochodów jest mało (i poruszają się szybciej)? Pewnie niektórzy powiedzą, że ważne są też: stan nawierzchni, to, jak rozwiązano ruch pieszych, jaki rodzaj sygnalizacji zastosowano, jakie samochody poruszają się po drodze, a także czy skrzyżowanie jest dobrze oświetlone i oznakowane. Jakiś wpływ może mieć również fakt, że w okolicy skrzyżowania albo na nim odbywają się remonty, oraz to, czy wokół niego znajduje się dużo rozpraszających wzrok kierowców obiektów. Znaczenie może mieć także wiedza, czy korzystający z drogi spieszą się do pracy, czy też wyjeżdżają na weekend za miastem. Może się zdarzyć bowiem, że to samo skrzyżowanie o pewnej porze dnia jest bezpieczne, a o innej lepiej się na nim nie pojawiać.

W przypadku tylu zmiennych człowiek może posługiwać się jedynie intuicją. Ale ta bywa myląca. Tradycyjny komputer (program komputerowy) w takiej sytuacji też może sobie nie poradzić. Dlatego problem ruchu w mieście postanowiono wrzucić na głowę – a właściwie na procesory – sztucznej inteligencji. Naukowcy z MIT – bodaj najbardziej znanej na świecie uczelni politechnicznej, znajdującej się w Stanach Zjednoczonych – stworzyli algorytm, będący w stanie tworzyć mapy ryzyka wypadków drogowych. Warto podkreślić, że są to mapy ryzyka, a nie pewności co do wypadku. Pewność wobec zdarzenia oznaczałaby, że komputer będzie przewidywał przyszłość, a to jest sprzeczne z zasadami fizyki. Co innego z prawdopodobieństwem. Gdy jest ono duże w przypadku kolizji, program do lokalizacji będzie kierować prowadzących pojazd na trasy bezpieczniejsze. Nie ma oczywiście pewności, że tam nic się nie stanie, ale jeżeli wierzyć algorytmom, to prawdopodobieństwo dojścia do jakiegokolwiek zdarzenia będzie tam mniejsze.

Naukowcy nauczyli algorytmy rozpoznawania zagrożeń – pozwolili im bowiem buszować w ogromnych bazach danych z przeszłości. Sztuczna inteligencja nie wymaga podania rozwiązań, lecz zaprezentowania danych, a zależności pomiędzy nimi program znajduje sam. I tak algorytm stworzony na MIT jest w stanie w czasie rzeczywistym rysować mapy o wysokiej rozdzielczości, na których kolorami zaznaczone są szczególnie niebezpieczne obszary. Oprogramowanie było w stanie wykonać tę pracę dla czterech amerykańskich miast: Los Angeles, Nowego Jorku, Chicago i Bostonu. Co ciekawe, program może zaznaczyć jako ryzykowne obszary, na których wcześniej nie dochodziło do wypadków. Jak to możliwe? Dzieje się tak, gdy inne czynniki zwiększające ryzyko nałożą się na siebie. Natężenie ruchu jest dziś bowiem większe niż kiedyś, co oznacza, że dróg albo skrzyżowań stanowiących potencjalne ryzyko jest więcej. Gdy podawano algorytmowi dane z lat 2017–2018, program z dużym prawdopodobieństwem był w stanie przewidzieć, co będzie się działo na drogach w 2019 roku.

Będzie bezpieczniej?

Warto podkreślić raz jeszcze, że nie mówimy o przewidywaniu przyszłości, lecz o wyliczaniu prawdopodobieństwa na podstawie bardzo zaawansowanej analizy danych, które posiadamy. „Liczenie ma przyszłość” – mawiają czasami szczególnie opornym na matematykę uczniom nauczyciele. Trudno się z tym stwierdzeniem nie zgodzić. Dzisiaj coraz częściej mamy do czynienia z nadmiarem danych, a nie z ich niedoborem. W zasadzie każdy aspekt naszego życia jest gdzieś w jakiś sposób rejestrowany. W tych ogromnych zbiorach danych drzemią nieprzebrane ilości informacji, ale nie da się ich pozyskać (a raczej odzyskać) za pomocą standardowych komputerów. Potrzebna jest do tego sztuczna inteligencja, która – jak w przypadku ruchu drogowego – wyciągnie wnioski i w ogromnych zbiorach danych znajdzie zależności.

W 2010 roku w Santa Cruz w Kalifornii uruchomiono pilotażowy program mający na celu przygotowanie mapy miasta z naniesionymi prawdopodobieństwami popełnienia różnego rodzaju przestępstw. Programowi udostępniono dane dotyczące przestępstw z przeszłości oraz wydarzeń aktualnych, np. dotyczących planowanego wyłączenia prądu elektrycznego, rozmieszczenia latarni czy remontów dróg. Do tego dodano informacje o bliskości zatłoczonych miejsc publicznych i możliwości szybkiego oddalenia się od miejsca popełnienia przestępstwa. Udostępniono też dane o dniach wolnych od pracy oraz natężeniu ruchu ulicznego. Ważna jest także zamożność poszczególnych części miasta. Każda z tych danych – podpowiada nam to intuicja – może mieć wpływ na prawdopodobieństwo popełnienia przestępstwa. Ale jak oddziałują one razem?

Na podstawie danych powstała mapa prawdopodobieństwa popełniania różnego rodzaju przestępstw. Na jej podstawie dyżurny oficer policji decydował, gdzie wysłać patrole piesze, a gdzie zmotoryzowane. Jaki był efekt? Ilość kradzieży samochodów i włamań do mieszkań zmniejszyła się o kilkanaście procent. Ciekawe, prawda? A także skuteczne, o ile dane wprowadzane do komputera są wiarygodne i pewne. Algorytmy rewelacyjnie radzą sobie bowiem z analizą danych, ale mają problem z ich weryfikacją. Oznacza to, że nawet najbardziej zaawansowany algorytm bardzo łatwo oszukać, karmiąc go nieprawdziwymi informacjami. Wówczas jego przewidywania nie będą nic warte.

Prawdziwe i wiarygodne

Ten, kto będzie miał lepsze narzędzia do analizy dużych zbiorów danych, będzie rządził światem. To właśnie dlatego wyścig technologiczny w dużej mierze polega na budowaniu coraz doskonalszych algorytmów bazujących na sztucznej inteligencji. Analiza rynków, cen, wydatków. System komputerowy śledzi dane pogodowe i „wie”, że najbliższa zima będzie bardzo ciepła. Bieżące pomiary potwierdzają, że temperatura nie spada poniżej zera. To z kolei znaczy, że wiosną i latem będzie więcej szkodników, co doprowadzi do podniesienia ceny owoców i zbóż. Na dodatek wyraźny jest trend wzrostu cen paliw. Jak te i wiele innych danych wpłyną na zamożność różnych grup społecznych? Albo jak na ceny prądu (a więc i konkurencyjność gospodarki) wpłynie budowa elektrowni jądrowej, jeśli weźmiemy pod uwagę ceny paliwa uranowego i założenie, że pewną część energii będziemy pozyskiwali z wiatraków i ogniw fotowoltaicznych, a także fakt, że zmiany klimatu wiążą się z coraz silniejszymi wiatrami oraz coraz większym zachmurzeniem?

Nie da się przewidzieć przyszłości. Nie możemy jednak pozwolić sobie na to, by nie liczyć prawdopodobieństwa wystąpienia bądź braku różnych zjawisk. Bez tego będziemy jak dzieci we mgle. A ta mgła (ilość danych) jest coraz gęstsza. Dlatego powinniśmy budować coraz doskonalsze systemy analityczne. Niektóre z nich „powiedzą”, które skrzyżowania omijać. Inne, że tego dnia lepiej samochód schować do garażu, bo w nocy może nam go ktoś ukraść, a jeszcze inne poinformują polityków i urzędników, w które technologie inwestować. Oczywiście wszystko to przy założeniu, że dane, które w tych programach umieszczamy, będą prawdziwe i wiarygodne.•